机器学习和生物信息学实验室联盟

标题: 无监督特征选择code [打印本页]

作者: xuqian 时间: 2016-11-14 15:10
标题: 无监督特征选择code
本帖最后由 xuqian 于 2016-11-14 16:48 编辑

无监督特征选择代码汇总框架：
该代码汇总框架中集成了无监督特征选择(UFS)的多种算法，跑对比实验时，只需每次选择不同的method即可。

代码简要说明：
(1) demo_featureselection.m
该函数为整个框架的运行函数。函数内可以设置数据集(datalist)，选择的特征个数(num)，参数(lamda, p……)，运行的算法(method)，评价指标(classification, NMI, rebunduncy, clustering)等。

(2) evalute.m
该函数位于文件夹usefulcode下(该文件夹下是算法运行可能调用到的一些函数，如评价函数，优化函数等)。
evalute.m中集成了许多无监督特征选择的算法。如：FRFS，EUFS，MCFS，Laplacian等。通过switch-case语句进行每种方法的参数设置及函数调用。

(3) evalute_num.m
该函数主要实现算法的performance评价，包含了四个评价指标，分别是classification, NMI, rebunduncy, clustering。

附上框架代码如下：

作者: xuqian 时间: 2016-11-14 16:20
本帖最后由 xuqian 于 2016-11-14 16:24 编辑

分享一个CaiDeng老师课题组整理的关于特征学习算法代码和数据的网页：
http://www.cad.zju.edu.cn/home/dengcai/Data/data.html

主要内容如下：
Maltlab codes：

Spectral regression : (a regression framework for efficient dimensionality reduction)
Dimensionality reduction (Subspace learning)
Feature selection
Topic modeling and GMM
Matrix factorization
Sparse coding
Hashing
Clustering
Active learning
Ranking and Metric learning

Popular data sets

Face databases (Yale, ORL, PIE and YaleB)
Text data sets
Other standard data sets
Depth Inpainting database

注：前面我们使用的MCFS和LaplacianScore的paper和code都可以从网页中找得到。
http://www.cad.zju.edu.cn/home/dengcai/Data/MCFS.html

欢迎光临机器学习和生物信息学实验室联盟 (http://123.57.240.48/)